[发明专利]基于FPGA的高斯粒子滤波硬件实现方法

说明书

技术领域

本发明涉及一种基于FPGA实现的高斯粒子滤波算法的硬件实现方法，采用数据流结构的块级流水线设计方法，属于非线性系统滤波和电子技术领域。

背景技术

近几年发展起来的粒子滤波算法是一种基于Monte Carlo思想的非线性非高斯系统滤波与预测方法，它采用后验概率密度函数的随机采样点集以及相应的权值来表示状态向量的变化，从而完全突破了卡尔曼滤波理论框架，对系统的过程噪声和量测噪声的形式没有任何限制。

但是相比于Kalman滤波，粒子滤波算法比较复杂，运算量比较大，从而使得粒子滤波的实时性很差，阻碍了其实际应用。目前，绝大部分粒子滤波文献是关于其理论研究和算法仿真的，而关于其硬件实现的则很少；而粒子滤波从理论、算法研究走向实际应用的过程中，硬件实现是一个关键环节。总体来看，目前粒子滤波硬件实现方法的研究还不够深入，因此，研究粒子滤波算法的硬件实现方法有着极其重要的理论和现实意义。

粒子滤波算法具有如下两个独特的执行特性：(1)可以表示为数据流图，以致于节点(或模块)可以并发执行。虽然每个模块的复杂性不同，但是数据流图都可以清楚地表示数据依赖关系；(2)数据流图中的每个模块执行每个迭代周期的一组数据。

因此，本发明应用模块级两级流水线方案有效实现了高斯粒子滤波算法(GPF)，应用FPGA设计粒子滤波算法的各个模块，从而为工程应用中复杂粒子滤波算法的高效计算和硬件实现问题，提供一种新颖的解决思路。

发明内容

本发明针对现有技术存在的缺陷提出了一种可重构模式粒子滤波算法，并给出了具体的实现方法基于FPGA的高斯粒子滤波硬件实现方法。

本发明基于FPGA的高斯粒子滤波硬件实现方法包括如下步骤：

(1)采用调节粒子生成模块CPG根据Cholesky分解得到协方差矩阵S和均值μ绘制调节粒子；

(2)采用粒子生成模块PG根据步骤(1)生成的调节粒子生成粒子群；

(3)采用粒子更新模块PU计算步骤(2)所述粒子群的权值；

(4)采用中央处理单元模块CU更新步骤(3)更新权值后粒子群的均值和协方差；

(5)采用重采样模块RS采集步骤(4)更新后的粒子群；

(6)采用协方差计算模块CC计算步骤(5)采样的粒子群的均值和协方差；

(7)采用Cholesky分解步骤(6)所述的均值和协方差得到协方差矩阵S和均值μ，返回步骤(1)。

将步骤(2)所述生成的粒子群经过均值计算/生成输出模块MC/OG处理后输出至中央处理单元模块CU更新粒子群的均值和协方差。

所述步骤(3)所述的粒子更新模块PU采用算术运算有乘法、除法、三角函数artan()和指数函数exp()；应用坐标旋转数字计算方法CORDIC展开用作artan()和exp()的结构算子。

所述协方差矩阵S是一个4×4的三角矩阵，维数是10。

所述均值μ的维数是4。

本发明采用分布式控制器，使用模块级流水线设计方法设计了高斯粒子滤波器(GPF)，以二维纯方位目标跟踪为处理对象，主要估计的未知状态是笛卡尔坐标系(X_n＝[x,V_x,y,V_y]^T)中跟踪对象的位置和速度，其中x,y是指目标的位置坐标，V_x,V_y分别是x，y方向上的速度分量。整个粒子滤波器由若干个处理模块组成，每个模块处理各种复杂的算术运算，同时每个处理模块具有用于控制其操作的局部控制器。分布式控制能够高效地处理各个数据模块之间的数据依赖关系。本发明提出的硬件设计方法可以扩展到不同粒子滤波的动态重新配置。对于每个粒子滤波器，首先定义每个处理模块的操作，然后定义数据流结构。从处理模块设计和数据流结构设计出发，最后推导和设计缓冲控制器和全局控制器。

本发明最重要的部分是数据中心，它负责处理模块之间大量的数据传输。整个滤波器使用模块级流水线设计，该设计大大简化了设计流程。模块级流水线通过分布式控制器来实现同步执行，该控制器控制各个处理模块的数据生成和传输。

附图说明

图1：GPF的数据流图；

图2：GPF算法的各个模块之间的数据关系；

图3：GPF算法的各个模块之间的信号流向关系；

图4：GPF的模块级时序图。

具体实施方式